Более 90% нашего времени мы проводим в помещении, и очень важно, чтобы здания изначально проектировались с учетом повышения комфорта людей, которые будут в них находиться, особенно когда речь идет о поддержании там желаемой температуры. Помимо всего прочего это может быть полезно еще и для снижения энергопотребления. В настоящее время на отопление, вентиляцию и кондиционирование воздуха расходуется в среднем 55% эксплуатационной энергии.

Для прогнозирования теплового комфорта часто используются методы машинного обучения, но ранее архитектурные особенности, в том числе расположение окон и дверей, при таком моделировании не учитывались. Группа исследователей из Сиань Цзяотун-Ливерпульского университета решила ликвидировать этот пробел. Цель исследования, результаты которого были опубликованы в издании Journal of Building Engineering, заключалась в моделировании температурного комфорта в различных частях помещения с учетом воздействия солнечного излучения и расположения окон, дверей и кондиционеров. Для этого была разработана специальная система на основе искусственной нейронной сети. Исследователи учитывали три основные категории параметров: параметры, зависящие от личности человека (возраст, пол, одежда, индекс массы тела и т.д.), параметры окружающей среды (средняя температура в помещении, влажность, погодные условия и т.д.) и пространственные параметры. Последняя категория ранее в моделях никогда не фигурировала.

Эксперименты решено было проводить как летом, так и зимой в пяти офисных помещениях с различной планировкой. Впоследствии собранные данные использовались для обучения, проверки и тестирования нейронной сети. Обученная должным образом модель стала отображать тепловой комфорт с исключительной точностью. При этом выяснилось, что пространственные параметры оказывают на точность прогнозирования весьма существенное влияние.

Поэтому в следующий раз, когда вы почувствуете холод в своей гостиной, посоветуйтесь с искусственным интеллектом — стоит ли включать отопление или лучше передвинуть диван.